一种基于儿童脓毒症心肌损伤时序数据的风险预测方法及设备与流程

摘要: 本发明涉及医疗时序数据处理、人工智能,特别是涉及一种基于儿童脓毒症心肌损伤时序数据的风险预测方法及设备。背景技术:1、脓毒性休克是儿童重症监护病房(picu)高...
一种基于儿童脓毒症心肌损伤时序数据的风险预测方法及设备与流程

本发明涉及医疗时序数据处理、人工智能,特别是涉及一种基于儿童脓毒症心肌损伤时序数据的风险预测方法及设备。

背景技术:

1、脓毒性休克是儿童重症监护病房(picu)高发、高致死性危重症,患儿因病原体感染诱发全身炎症瀑布式失衡,由局部炎症应激逐步进展为循环紊乱、心肌损伤,进而继发肝肾、凝血多器官功能衰竭,是造成picu重症患儿预后不良、病死的核心独立危险因素。尽早、精准、动态完成儿童脓毒症合并心肌损伤的病情量化分级与死亡风险预警,是精准指导临床液体复苏、血管活性药物使用、器官功能支持等个体化诊疗策略的关键前提,对缩短临床干预窗口期、降低重症患儿死亡率具有极其重要的临床价值。

2、目前,picu针对脓毒症患儿心肌损伤的病情评估与危重风险预判,仍以临床医师人工主观研判为主,主要依据单次检验指标、生命体征静态数值结合临床经验进行综合判断。该传统评估模式缺乏统一、标准化的量化判定体系,评估结果高度依赖医师个人临床经验,存在主观性强、组间一致性差、判读标准不统一的固有缺陷。同时,人工研判存在显著滞后性,仅能识别明显、重度的器质性损伤,难以捕捉脓毒症早期轻微、动态波动的隐匿性高危信号,无法适配疾病进展过程中时序动态演变的评估需求,极易延误早期干预时机。

3、随着人工智能辅助诊疗技术的快速发展,深度学习时序预测模型已逐步应用于脓毒症风险筛查领域。现有公开技术如cn119581018a公开的icu患者脓毒症风险预测方案,依托常规检验指标构建通用预测模型,可实现脓毒症风险的自动化监测与早期预警,摆脱了完全依赖人工经验的局限。但现有临床筛查体系与智能预测算法仍存在多项固有技术短板,无法适配儿童脓毒症心肌损伤多系统、递进式、差异化、动态化的精准评估需求,具体技术缺陷如下:

4、第一,评估指标体系覆盖不全,高危循证危险因素缺失,危重病例识别灵敏度低。现有临床评估方式与传统智能模型仅选取少量常规炎症、心肌酶指标建模,遗漏改良儿童gcs神经评分、肌酐、尿素氮、尿酸、淋巴细胞免疫指标等与儿童脓毒症预后强相关的极高危循证标志物,指标维度仅局限于单一炎症或心肌系统,无法覆盖炎症、神经循环、心肌灌注、肝肾器官、凝血免疫的全链条损伤指标体系,导致多器官继发损伤的高危患儿极易出现漏判、误判,危重病例筛查灵敏度严重不足。

5、第二,特征提取网络结构同质化严重,未适配临床指标差异化风险与时序特征规律。现有智能模型普遍采用统一固化的卷积、注意力通用模板完成全部指标的特征提取,未依据各临床指标的统计学p值风险等级、预后显著性差异进行差异化权重配置,对极高危、中高危、低危指标均等赋值运算。同时,通用网络结构无法适配儿童脓毒症各类指标的特异性时序变化规律,难以适配凝血指标反向波动、神经评分阶梯式下降、肾损伤指标长期稳态升高、心肌指标快慢双进程演变等差异化病理时序特征,特征提取针对性、精准性极差。

6、第三,特征提取逻辑割裂病理关联,无法还原疾病递进式病程演化规律。传统时序预测模型多采用并行独立的特征提取架构,默认各类炎症指标、器官损伤指标为独立变化信号,完全忽略儿童脓毒性休克“炎症启动-神经循环抑制-心肌灌注损伤-肝肾继发衰竭-终末期凝血紊乱”的链式递进病理机制,割裂了多系统损伤的因果交互关联特征,无法有效区分轻症平稳期、病情进展期、重度重症期、恢复期的差异化时序特征,动态病程评估与风险预判能力严重不足。

7、第四,模型功能单一,无法实现分级量化与死亡风险一体化协同评估。现有技术体系功能碎片化、单一化,传统心肌损伤评估模型仅能输出固定的二分类或多分类分级结果,缺乏时序动态量化能力,无法体现病程渐进变化特征;专用死亡风险预测模型仅依托少量单一指标建模,未关联心肌损伤严重程度、多器官损伤整体病情核心数据,无法同步实现病情分层量化、危重程度精准判定、死亡高危风险预警的一体化临床辅助诊疗需求。

8、第五,模型训练策略脱离真实临床数据特征,危重病例拟合精度差。现有模型均采用通用固定交叉熵损失函数完成迭代训练,未结合各指标临床统计学p值的显著性差异进行差异化损失加权,无法重点拟合高危病理指标特征;同时未针对临床重症样本稀缺、轻重样本不均衡的行业痛点进行样本权重优化,导致模型对重度心肌损伤、极高危死亡病例的特征拟合不足,危重患儿评估准确率、auc性能偏低,临床落地实用性受限。

9、综上,现有儿童脓毒症心肌损伤评估技术存在指标体系不完善、建模同质化、病理逻辑脱节、功能单一、危重病例拟合性能差等核心技术缺陷,难以满足picu临床对脓毒症心肌损伤全维度、差异化、动态化、一体化的精准评估需求,亟需进一步改进优化。

技术实现思路

1、为解决上述技术问题,本发明提供一种基于儿童脓毒症心肌损伤时序数据的风险预测方法,包括:

2、采集脓毒症患儿的多系统时序临床指标数据,所述多系统时序临床指标数据包括基础炎症指标、神经循环指标、心肌灌注损伤指标、肝肾器官损伤指标、凝血功能指标;

3、将所述多系统时序临床指标数据依次输入逐级递进的多级特征提取模块,分别通过独立配置的第一特征提取模块、第二特征提取模块、第三特征提取模块、第四特征提取模块、第五特征提取模块逐层提取差异化病理特征,依次得到炎症特征、生命神经特征、心肌灌注特征、肝肾损伤特征、凝血特征;

4、将多级特征提取模块输出的病理特征输入融合输出模块,融合输出风险预测结果。

5、进一步地,所述基础炎症指标包括降钙素原、c反应蛋白、白细胞计数时序检测数据;第一特征提取模块包括第一基础注意力门控单元、多尺度一维空洞卷积单元、局部峰值增强单元以及第一融合单元;

6、将时序维度标准化处理后的降钙素原、c反应蛋白、白细胞计数数据,依次送入第一基础注意力门控单元,第一基础注意力门控单元结合三类炎症指标的统计学显著性特征完成权重均衡与基线筛选,剔除长期平稳无病理意义的无效时序片段,完成基础炎症时序数据前置提纯;提纯后的特征数据再并行送入多尺度一维空洞卷积单元、局部峰值增强单元;

7、多尺度一维空洞卷积单元,配置多组差异化膨胀率卷积核,分尺度捕捉降钙素原、c反应蛋白、白细胞计数短时波动、快速升高的炎症动态演变特征;

8、局部峰值增强单元,遍历降钙素原、c反应蛋白、白细胞计数时序序列,识别各类指标局部极大值突变点位,针对性放大感染急性期炎症峰值特征幅值,凸显早期隐匿性炎症激活信号;

9、第一融合单元,用于接收多尺度一维空洞卷积单元、局部峰值增强单元两路并行输出的炎症特征张量,在通道维度完成拼接整合与维度统一,生成包含炎症趋势与突变峰值信息的整体炎症特征,实现三类基础炎症指标的差异化特征融合。

10、进一步地,所述神经循环指标包括心率、改良儿童gcs评分时序数据;第二特征提取模块包括第二显著性加权注意力门控单元、多尺度一维卷积单元、长窗时序平稳度感知单元以及第二融合单元;

11、第二显著性加权注意力门控单元,接收上游输出的基础炎症特征以及标准化后的心率、改良儿童gcs评分时序数据,依据心率、改良儿童gcs评分的临床预后统计学显著性差异分配差异化运算权重,对高风险的改良儿童gcs评分神经抑制特征进行优先强化,结合前置炎症特征校正基线病理风险,完成神经循环双指标的差异化加权提纯;

12、多尺度一维卷积单元,对心率时序数据进行多尺度卷积运算,捕捉心率短时快速起伏、周期性波动的循环应激动态特征;

13、长窗时序平稳度感知单元,配置大跨度时序感知窗口,对改良儿童gcs评分时序数据进行长周期稳态监测,识别评分持续性偏低、阶梯式下降的重度神经抑制高危特征;

14、第二融合单元,将心率短时循环波动特征与改良儿童gcs评分长时神经稳态异常特征进行跨维度融合,生成兼顾循环应激状态与神经损伤程度的生命神经特征数据,实现神经、循环两类差异化时序指标的特征耦合输出。

15、进一步地,所述心肌灌注损伤指标包括乳酸、nt-probnp、ck-mb、ldh时序检测数据;第三特征提取模块包括第三显著性加权注意力门控单元、分阶段感知多尺度混合单元以及第三融合单元;分阶段感知多尺度混合单元包含独立的多尺度一维卷积分支、多尺度时序膨胀循环分支、阶段感知门控子单元;

16、第三显著性加权注意力门控单元,接收上游生命神经特征以及标准化后的乳酸、nt-probnp、ck-mb、ldh时序数据,依据四类心肌损伤指标的统计学预后显著性层级差异进行分层赋权,对高风险的乳酸、ldh灌注损伤指标配置高权重,对nt-probnp、ck-mb配置匹配其预后价值的梯度权重,结合上游神经损伤特征校正休克前置损伤基线,完成多类心肌指标的差异化加权筛选;

17、多尺度一维卷积分支,针对ck-mb、ldh心肌酶指标进行短时多尺度卷积运算,捕捉心肌酶指标突发性升高的急性心肌损伤峰值特征;

18、多尺度时序膨胀循环分支,针对乳酸、nt-probnp灌注指标进行长时序膨胀循环运算,刻画灌注指标缓慢爬升、高位持续滞留的慢性心肌缺血损伤演变特征;

19、阶段感知门控子单元,整合乳酸、nt-probnp、ck-mb、ldh多指标联合时序变化规律,自适应判别心肌损伤不同病程阶段,差异化放大各阶段高危损伤特征、弱化同质干扰特征;

20、第三融合单元,整合急性心肌酶峰值特征、慢性灌注损伤趋势特征、病程阶段自适应增强特征,生成贴合心肌损伤快慢双进程、多阶段演变规律的整体心肌灌注特征数据。

21、进一步地,所述肝肾器官损伤指标包括alt、bun、cr、ua时序检测数据;第四特征提取模块包括第四显著性加权注意力门控单元、多级长时序膨胀循环单元、分层多阈值峰值筛选单元以及第四融合单元;

22、第四显著性加权注意力门控单元,接收上游心肌灌注特征以及标准化后的alt、bun、cr、ua时序数据,依据四类肝肾指标的统计学显著性差异两极化配置权重,对高预后风险的bun、cr、ua肾损伤指标强化权重,对alt肝功能指标弱化低相关干扰权重,结合上游心肌低灌注特征构建休克继发肝肾缺血损伤的加权建模逻辑,完成肝肾指标差异化提纯;

23、多级长时序膨胀循环单元,对alt、bun、cr、ua时序数据进行多级超长时序感知运算,深度挖掘肝肾指标持续性异常、渐进性升高的慢性器官损伤演变规律;

24、分层多阈值峰值筛选单元,依据儿科临床诊疗标准,分别配置alt、bun、cr、ua专属危险临界阈值,精准识别各指标超阈值的极高危重症异常信号,定向强化重度肝肾损伤特征幅值;

25、第四融合单元,融合肝肾慢性长周期损伤趋势特征与超阈值高危突变特征,生成能够完整表征脓毒症晚期肝肾多器官进行性损伤的肝肾损伤特征数据。

26、进一步地,所述凝血功能指标包括d-二聚体、纤维蛋白原时序检测数据;第五特征提取模块包括第五显著性加权注意力门控单元、双向对称多尺度空洞卷积单元以及第五融合单元;

27、第五显著性加权注意力门控单元,接收上游肝肾损伤特征以及标准化后的d-二聚体、纤维蛋白原时序数据,依据两类凝血指标的统计学预后显著性差异分配差异化权重,对高重症预测价值的纤维蛋白原配置高权重,对d-二聚体配置匹配其临床意义的基础权重,结合上游多器官损伤特征构建终末期凝血紊乱病理建模逻辑,完成凝血指标加权降噪提纯;

28、双向对称多尺度空洞卷积单元包含两条独立卷积支路,分别对应d-二聚体、纤维蛋白原的差异化变化规律,第一正向支路提取d-二聚体持续性升高的凝血亢进异常特征,第二反向支路提取纤维蛋白原持续性降低的凝血消耗衰竭特征;

29、第五融合单元,融合两类凝血指标反向紊乱的特异性特征,生成能够精准表征脓毒症终末期凝血功能衰竭、弥散性血管内凝血状态的凝血特征数据。

30、进一步地,融合输出模块包括全局特征压缩层、全连接映射层、softmax激活单元;

31、全局特征压缩层,用于拼接整合多系统逐级输出的五类病理特征数据,完成高维特征降维提纯,消除跨模块冗余信息;

32、全连接映射层,用于深度学习多系统损伤之间的连锁交互关联规律,挖掘多器官叠加损伤的高危组合特征;

33、softmax激活单元,用于输出心肌损伤多级量化分级概率分布,自适应匹配多级病情分级维度,确定对应病情分级结果,重度损伤状态下触发临床预警提示。

34、进一步地,还配置并行独立的死亡风险评估子模块,所述死亡风险评估子模块与心肌损伤分级主模型双任务并行运算、无特征级联干扰,用于在心肌损伤分级基础上同步输出患儿死亡风险量化概率;

35、所述死亡风险评估子模块的输入指标包括血管活性药物使用数量、总b淋巴细胞百分率、时序乳酸循证高危核心指标;死亡风险评估子模块包括全局时序膨胀循环单元、药物数量风险对比门控单元、独立全连接层、sigmoid激活单元;

36、全局时序膨胀循环单元,用于挖掘血管活性药物干预强度、机体灌注水平、免疫功能状态三类核心指标的长时序联合演变规律,提取专属死亡风险时序特征;

37、药物数量风险对比门控单元,预设临床高危干预阈值,自动识别多联血管活性药物干预的重度休克高危状态,对极高危样本的死亡风险特征进行自适应加权增强;

38、独立全连接层,融合专属死亡风险时序特征与全局心肌损伤分级特征,建立心肌损伤严重程度、多器官损伤状态与死亡风险的关联映射关系;

39、sigmoid激活单元,用于输出0-1区间连续型死亡风险概率值,支持临床自定义风险分层阈值,实现患儿死亡风险的分层预警管理。

40、进一步地,模型采用适配儿童脓毒症临床数据分布的差异化加权训练策略,具体包括数据集构建、差异化加权损失训练、双任务协同优化步骤;

41、数据集构建阶段:收集picu脓毒性休克患儿的多系统时序临床指标数据,匹配标注心肌损伤多级分级真实标签,按预设比例划分训练集与验证集,保证数据时序完整性与标签精准性;

42、差异化加权损失训练阶段:搭建五级递进差异化特征提取网络,采用基于指标统计学p值显著性的临床风险加权交叉熵损失函数,对预后显著性更高的高危病理指标配置更大损失惩罚权重,同时针对临床重症样本稀缺、轻重样本不均衡问题,对重度心肌损伤危重样本单独放大样本损失权重,强制模型优先拟合高危重症特征,提升危重病例识别精度;

43、双任务协同优化阶段:在心肌损伤分级主任务训练基础上,并联权利要求8所述死亡风险评估子模块,设置自适应双任务平衡系数,通过全局加权总损失同步优化分级量化精度与死亡风险预判性能,实现分级评估、风险预警双任务协同最优收敛。

44、另一方面,本发明还提供一种终端设备,其特征在于,包括存储器和处理器;所述存储器存储有可被处理器执行的程序代码;所述程序代码用于执行上述任意的风险预测方法。

45、本发明公开了一种基于儿童脓毒症心肌损伤时序数据的风险预测方法及系统。为解决现有评估方法指标覆盖不全、建模同质化、病程匹配度差、重症预测精度低的问题,本发明构建炎症、神经循环、心肌灌注、肝肾、凝血五大系统时序指标体系,涵盖12类picu高危循证指标。采用逐级递进式五级差异化特征提取架构,依据各指标时序规律与统计学风险差异,分模块实现多尺度时序挖掘、峰值增强、双向特征提取与差异化注意力加权,逐级提取递进式病理特征,经全局融合后输出心肌损伤动态风险分级评估与重度预警结果,可并行实现死亡风险量化评估,并采用指标加权与样本均衡的专属训练策略,贴合儿童脓毒症递进式病理演变规律,有效提升病情分级与危重风险预判精度,适用于picu患儿动态风险筛查,临床实用性强。